C99 标准 - fprintf - s 精确转换

Question

假设只有C99 Standard 纸和printf 库函数需要根据此标准实现以使用UTF-16 编码，您能否阐明s 指定精度转换的预期行为？

s 转换的 C99 标准 (7.19.6.1) 说：

如果不存在 l 长度修饰符，则参数应为指向字符类型数组的初始元素的指针。数组中的字符被写入（但不包括）终止空字符。如果指定了精度，则写入的字节数不会超过这个数。如果未指定精度或大于数组的大小，则数组应包含空字符。

如果存在 l 长度修饰符，则参数应为指向 wchar_t 类型数组的初始元素的指针。数组中的宽字符被转换为多字节字符（每个都好像通过调用 wcrtomb 函数，在转换第一个宽字符之前由 mbstate_t 对象描述的转换状态初始化为零）直到并包括终止的空宽特点。生成的多字节字符最多写入（但不包括）终止空字符（字节）。如果未指定精度，则数组应包含空宽字符。如果指定了精度，则写入的字节数不超过（包括移位序列，如果有的话），并且如果要等于由精度给出的多字节字符序列长度，则数组应包含一个空宽字符，该函数需要访问数组末尾的一个宽字符。在任何情况下都不会写入部分多字节字符。

总的来说，我不太理解这一段，特别是“如果指定了精度，则写入的字节数不超过”。

我们以 UTF-16 字符串“TEST”为例（字节序列：0x54、0x00、0x45、0x00、0x53、0x00、0x54、0x00）。

在以下情况下预计会写入输出缓冲区的内容：

• 如果 精度 为 3
• 如果 precision 为 9（比字符串长度多一个字节）
• 如果 precision 为 12（比字符串长度多几个字节）

还有“数组中的宽字符转换为多字节字符”。这是否意味着应该先将 UTF-16 转换为 UTF-8？如果我希望只使用 UTF-16，这很奇怪。

Answer 1

^{将评论转换为稍微扩展的答案。}

CHAR_BIT 在您的实现中的价值是什么？

• 如果CHAR_BIT == 8，则不能用%s处理UTF-16；您将使用 %ls 并传递 wchar_t * 作为相应的参数。然后你必须阅读规范的第二段。

• 如果CHAR_BIT == 16，则数据中的八位字节数不能为奇数。然后，您需要了解 wchar_t 与 char 的关系（它们的大小是否相同？它们是否具有相同的符号？）并解释这两个段落以产生统一的效果 - 除非您决定使用 wchar_t表示 UTF-32。

关键点是，如果CHAR_BIT == 8，UTF-16 不能作为 C 字符串处理，因为有太多有用的字符被编码为一个字节保持零，但那些零字节标志着一个以 null 结尾的结尾细绳。要处理 UTF-16，普通的 char 类型必须是 16 位（或更大）类型（因此 CHAR_BIT > 8），或者您必须使用 wchar_t（和 sizeof(wchar_t) > sizeof(char)）。

请注意，规范要求将宽字符转换为合适的多字节表示形式。

如果你想本地输出宽字符，你必须使用 fwprintf() 和 <wchar.h> 中的相关函数，首先在 C99 中定义。那里的规范与fprintf() 的规范有很多共同之处，但也有（不足为奇的）重要区别。

7.29.2.1 fwprintf 函数

…

s
如果不存在l 长度修饰符，则参数应为指向初始值的指针 包含多字节字符序列的字符数组的元素 从初始移位状态开始。数组中的字符被转换为 如果通过重复调用mbrtowc 函数，转换状态 由在第一个之前初始化为零的 mbstate_t 对象描述 多字节字符被转换，并写入（但不包括） 终止空宽字符。如果指定精度，不超过 写了很多宽字符。如果未指定精度或 大于转换后数组的大小，则转换后的数组应包含 空宽字符。

如果存在l 长度修饰符，则参数应为指向初始值的指针 wchar_t 类型的数组的元素。数组中的宽字符是 最多写入（但不包括）终止空宽字符。如果 指定精度，不超过写入的宽字符数。如果 精度未指定或大于数组大小，数组 应包含一个空宽字符。

Answer 2

wchar_t 不适合用于 UTF-16，仅用于实现定义的固定宽度编码，具体取决于当前语言环境。使用宽字符 API 支持可变长度编码根本没有理智的方法。同样，printf 或 wcrtomb 等函数使用的多字节表示是实现定义的。如果您想使用 Unicode 编写可移植代码，则不能依赖宽字符 API。使用库或编写您自己的代码。

回答您的问题：带有l 修饰符的fprintf 接受由当前语言环境指定的实现定义的编码中的宽字符串。如果wchar_t 是 16 位，那么这种编码可能是 UTF-16 的混蛋，但正如我上面提到的，没有办法正确支持 UTF-16 代理。然后，此wchar_t 字符串会以实现定义的编码转换为多字节char 字符串。这可能是也可能不是 UTF-8。指定的精度限制了输出字符串中chars 的数量，并增加了不写入部分多字节字符的限制。

这是一个例子。假设宽字符编码是 UTF-32 和 32 位 wchar_t，而多字节编码是 UTF-8（就像在 Linux 上使用 appropriate locale）。以下代码

wchar_t w[] = { 0x1F600, 0 }; // U+1F600 GRINNING FACE
printf("%.3ls", w);

将不打印任何内容，因为生成的 UTF-8 序列有四个字节。仅当您指定的精度至少为四时

printf("%.4ls", w);

字符将被打印出来。

编辑：要回答你的第二个问题，不，printf 永远不应该写一个空字符。这句话只表示在某些情况下，需要一个空字符来指定字符串的结尾并避免缓冲区过度读取。